[DATA SCIENCE] DAY: 017 - Visualizando Histogramas

👨‍💼 Bom dia, boa tarde e boa noite pessoal, tudo bem?

📊 Hoje iremos aprender como criar e visualizar histogramas.

O histograma é uma ferramenta importante na análise exploratória de dados, pois permite visualizar a distribuição de frequência de um conjunto de dados. Ele mostra como os dados estão distribuídos em diferentes intervalos ou classes, o que pode ajudar a identificar tendências, outliers e padrões.

📝 Obs: Irei utilizar o jupyter notebook, mas fique a vontade para escolher outro ambiente de sua preferência. Uma sugestão caso não conheça nenhum, tem o colab do google.

1 - Primeiro, podemos usar a notação as para abreviar o nome das bibliotecas que vamos importar e facilitar a escrita de código:

💻

import pandas as pd

from matplotlib import pyplot as plt
from matplotlib import rcParams

import seaborn as sns

📝 Obs:

• A primeira linha import pandas as pd importa a biblioteca pandas para utilizar suas funções para manipular e analisar dados.
• A segunda linha from matplotlib import pyplot as plt importa o módulo pyplot da biblioteca matplotlib para criar gráficos.
• A terceira linha from matplotlib import rcParams importa as configurações de parâmetros padrão da biblioteca matplotlib.
• A quarta linha import seaborn as sns importa a biblioteca seaborn que fornece uma interface mais fácil para criar gráficos estatísticos atraentes e informativos, e também estende as funcionalidades de matplotlib.

Essas linhas de código preparam as bibliotecas necessárias para serem utilizadas na visualização de dados.

2 - Agora vamos ajustar as configurações de visualização para se adequar ao ambiente do Jupyter Notebook e estabelecer um estilo de gráfico padrão para ser usado ao longo do código:

💻

%matplotlib inline
rcParams['figure.figsize'] = 5, 4
sns.set_style('whitegrid')

📝 Obs:

• %matplotlib inline: Essa linha de código é usada para exibir gráficos dentro do notebook Jupyter. Isso significa que, em vez de abrir uma nova janela para exibir o gráfico, ele será exibido diretamente no notebook.

• rcParams['figure.figsize'] = 5, 4: Essa linha de código define o tamanho da figura como 5x4. Isso significa que a largura será de 5 unidades e a altura será de 4 unidades.

• sns.set_style('whitegrid'): Essa linha de código é parte do seaborn, uma biblioteca de visualização de dados baseada em Matplotlib. Ele define o estilo de grade como branco. Isso adiciona linhas brancas às suas visualizações de dados, o que pode ajudar a tornar os gráficos mais legíveis e fáceis de interpretar.

3 - Após as configurações iniciais, vamos ler um arquivo CSV chamado "mtcars.csv" e através dos dados obtidos, vamo utilizar a função plt.hist () do matplotlib e desesenhar um histograma:

🔍 Para baixar o arquivo que está sendo usado, clique aqui.

caminho = 'O-caminho-do-seu-arquivo/mtcars.csv'
carros = pd.read_csv(caminho)
carros.columns = ['nomes','mpg','cyl','disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am', 'gear', 'carb']
carros.index = carros.nomes
mpg = carros['mpg']

plt.hist(mpg)
plt.plot()
plt.show()

📝 Obs: O que esse código faz???

• Caminho do arquivo: a variável caminho é atribuída com o caminho do arquivo mtcars.csv, que se encontra na máquina local do usuário.

• Importação de dados: A função pd.read_csv() é utilizada para importar o conteúdo do arquivo mtcars.csv e armazená-lo na variável carros.

• Renomeando colunas: As colunas do dataframe carros são renomeadas com novos nomes através da atribuição da lista de nomes de colunas à propriedade columns do dataframe.

• Definição do índice: O índice do dataframe carros é definido como sendo a coluna nomes através da atribuição da coluna nomes à propriedade index do dataframe.

• Seleção de dados: A coluna mpg é selecionada do dataframe carros e armazenada na variável mpg.

• Plotagem do histograma: A função plt.hist() é utilizada para plotar o histograma dos dados contidos na variável mpg As funções plt.plot() e plt.show() são utilizadas para exibir o gráfico gerado.

Gráfico gerado:

4 - Para termos uma visualização mais completa da distribuição dos dados, podemos utilizar o método sns.distplot() do Seaborn onde você vai obter um gráfico com o histograma dos dados e a curva de densidade de probabilidade, o que pode ser útil para analisar a distribuição dos dados e obter informações adicionais:

sns.distplot(mpg)

📝 Obs: O que esse código faz???

• Utilização do pacote seaborn: O pacote seaborn é importado para utilizar sua função sns.distplot().

• Plotagem do histograma e curva de densidade: A função sns.distplot() é utilizada para plotar tanto um histograma quanto uma curva de densidade de probabilidade dos dados contidos na variável mpg. Isso permite uma visualização mais completa da distribuição dos dados.

• Análise da distribuição: O gráfico gerado pela função sns.distplot() pode ser utilizado para analisar a distribuição dos dados e obter informações adicionais sobre a mesma.

Gráfico gerado:

🌊 Espero que tenham gostado do conteúdo, amanhã iremos aprender como criar box plots!

🚀 Vejo vocês amanhã, tenham uma ótima semana!